Implementasi metode kookurensi dan jaringan saraf tiruan hopfield untuk klasifikasi sepatu berdasarkan tekstur alas sepatu

Pengolahan citra sudah banyak sekali ragam dan variasinya mulai dari pemanfaatan barcode yang digunakan untuk mengenali informasi dari suatu produk, pengenalan tanda tangan yang digunakan untuk memverifikasi dan mengenali keaslian tanda tangan dari seseorang, sepatu pun dapat dikenali dan diklasifikasikan berdasarkan alas sepatu dengan membedakan tekstur citra tersebut, citra yang berbeda memiliki ciri-ciri yang berbeda, ciri-ciri inilah yang menjadi dasar dalam klasifikasi citra berdasarkan tekstur. Metode untuk memperoleh ciri-ciri citra tekstur adalah dengan menghitung matriks kookurensi dari data citra, ciri-ciri yang digunakan untuk klasifikasi citra pada penelitian ini menggunakan kontras, homogenitas, energi, entropi dan korelasi. Hasil ciri-ciri tersebut kemudian digunakan untuk klasifikasi dengan menggunakan jaringan saraf tiruan hopfield yang menentukan hasil klasifikasi berdasarkan tekstur. Dari hasil penelitian dapat diketahui bahwa citra-citra yang diujikan memiliki nilai-nilai matriks kookurensi yang bervariasi antara satu dengan yang lain, ciri-ciri tersebut mempengaruhi hasil klasifikasi sehingga dapat menyebabkan kesalahan klasifikasi. Pengujian klasifikasi citra berdasarkan tekstur dengan menggunakan data citra yang telah dilatih memiliki rata-rata tingkat akurasi 99,88% dan untuk citra yang belum dilatih rata-rata tingkat akurasi 78,63% .

Image processing has a lot of variety and variations begin from the use of barcode that is used to identify information of a product, the identification of signatures are used to verify the authenticity and recognize the signature of a person, the shoes can be identified and classified based footwear to distinguish the texture image, different images have different characteristics , the characteristics are the basis for the image classification based on texture . Method to obtain the characteristics of the texture image is to calculate co-occurrence matrix of image data , the characteristics of which are used for image classification in this study using contrast, homogenity, energy, entropy and correlation . The results of these characteristics are then used for classification by using Hopfield neural network that determines the classification results based texture. The results it can be seen that study images that have tested matrix co-occurrence values varied between one another, these characteristics affect the classification results that can lead to misclassification . Tests based texture image classification using image data that has been trained to have an average of 99.88 % accuracy rate and the image has not been trained for the average accuracy rate of 78.63 % .